Grab将机器人技术纳入核心配送体系

在劳动力成本持续上升、按需配送业务利润空间承压的背景下，东南亚平台运营商Grab正加大自动化布局。公司通过收购机器人技术企业 Infermove，将相关能力引入内部，以在现有业务规模上寻求效率提升。

Grab在东南亚运营的大规模配送网络每天处理数以百万计订单，其中大量配送由骑手骑乘摩托车和自行车在高密度城市区域完成。复杂的道路环境和运营场景，使得完全以自动化替代人力在可见范围内仍受限制。但Grab认为，通过引入专注于非结构化环境的机器人技术，物理世界的人工智能应用已从试点阶段迈向更广泛落地的阶段。

从软件优化走向物理自动化

Grab此次选择将机器人研发能力内化，而非采用现成系统。根据公司介绍，Infermove的技术重点在于从真实世界的移动数据中学习，包括由非机动车配送工具产生的数据。这意味着相关系统将基于骑手在实际人行道、过街点及拥挤交付点的行驶路径进行训练，而不仅依赖模拟环境中的表现。

对以城市配送为核心业务的Grab而言，这一差异被视为关键。模拟环境有助于早期开发，但在处理真实城市中的边缘场景方面存在局限。通过掌握学习和训练过程，Grab可以在自身运营约束下塑造自动化系统的行为，而无需为适配第三方系统调整既有配送网络。

从企业层面看，Grab将技术掌握在内部，也被视为一种控制权安排。公司可自主决定技术部署节奏、适用场景范围及成本取舍，同时降低对外部供应商的长期依赖，减少因供应商战略重点与Grab区域布局或经济环境不一致而带来的不确定性。

自动化定位为补充而非替代

Grab目前并未将自动化定位为对人力骑手的全面替代。公司规划的应用重点在于结构化程度较高的环节，例如首公里或末公里中任务重复、距离较短的配送场景。在这些领域，机器人被视为可在需求高峰期分担部分运力，缓解高峰时段延误，并在劳动力紧张时减轻压力。

Grab强调，人员仍是服务交付的核心组成部分。机器人更多被用于承担部分工作流程，而非重构整个配送网络。天气条件、地方法规以及客户接受度等因素，仍将决定自动化在不同市场的实际应用边界。跨国运营则进一步增加了部署复杂度，因为各地基础设施和监管环境存在显著差异。

在成本与服务之间寻求平衡

在去年12月的一次内部会议上，Grab首席技术官Suthen Thomas在谈及Infermove时，将其技术进展描述为“令人印象深刻”，并提到该技术已出现早期商业应用。他同时表示，Infermove将继续以独立实体运营，其创始人将直接向其汇报。这一安排显示，Grab在整合过程中更强调执行连续性和技术延展性，而非迅速并入现有组织架构。

这一做法与大型数字平台的整体趋势相呼应：企业不再仅将人工智能视为现有系统的附加层，而是将其更深地嵌入核心运营。在配送和物流领域，这通常意味着从以软件优化路径和调度为主，逐步延伸至涉及实体设备的物理自动化。尽管相关投入和风险更高，但企业认为其对成本结构和运营模式的影响更为根本。

当前，按需配送量持续增长，但运营方面临工资、燃油成本上升以及监管趋严等多重压力，客户同时对配送速度和费用保持较高预期。在此背景下，Grab将自动化视为在维持服务水平的同时，缓解盈利压力的一项关键工具，而非单纯的技术尝试。

数据与运营的闭环

Grab还将此次收购视为在数据使用和运营实践之间建立更紧密闭环的机会。训练物理世界中的人工智能系统需要大量真实场景数据，而配送平台本身正是此类数据的重要来源。通过将机器人开发与日常运营结合，Grab可以在内部完成数据采集、模型训练和场景验证，缩短迭代周期，并减少对外部共享敏感运营数据的需求。

尽管行业预测普遍认为末端配送机器人市场将快速增长，Grab在内部讨论中更关注的是单次配送成本能否在不增加新故障点的前提下得到实质性降低。公司认为，这一问题更多取决于技术在具体环境中的表现，而非整体市场规模预期。

从企业视角看，收购Infermove被定位为加强人工智能、数据能力与实体运营之间联系的一步。对于以物流和出行为基础的平台公司而言，这类整合被视为在持续成本压力下管理业务增长的重要组成部分。